利用辅助信息提高事后分层估计量的精度

本文考虑了事后分层回归模型,在回归模型中逐步引入定性辅助信息、包含概率和定量辅助信息,建立辅助变量与研究变量的回归模型,从而使得事后分层回归模型下的事后分层估计量精度逐步提高。     

多水平样本轮换调查及其组合估计方法

文章以两水平样本轮换为例,研究了连续性抽样调查中多水平样本轮换的问题.在多水平样本轮换模式下,不仅能够搜集固定的轮换样本在连续各期的信息,而且能够每一期更换新的轮换样本.文章还运用组合估计的思想.利用现期及过去各期的调查信息,分别构造出了每月总体情况、月度之间以及年度之间变化情况的组合估计量,并推导出了各类组合估计量的方差.     

轮换样本调查的轮换模式设计与估计方法

文章以我国城市住户调查的轮换模式设计为例,研究了轮换样本调查中的轮换模式设计与估计方法等问题.不完全单水平轮换模式是轮换样本调查中非常理想的一种轮换模式,既吸收了单水平轮换模式的优点,又充分体现了轮换样本调查的优势.文章所研究的这套轮换模式设计与估计方法不仅适合在我国城市住户抽样调查中使用,而且也可推广应用到我国政府统计部门开展的其他类型的连续性抽样调查中.     

基于时间序列分析方法的连续性抽样调查研究

针对连续性抽样调查中如何利用过去各期的调查信息来提高现期抽样估计精度的问题，引入时间序列分析方法，分别考虑连续性抽样调查中重复样本和重叠样本等不同情况，建立了不同情况下的时间序列模型，利用成熟的时间序列分析方法给出了总体特征的线性组合估计量。由于时间序列分析方法能够充分利用以往各期的调查信息，从而能够给出精度更高的估计量。     

基于局部多项式回归方法的抽样估计

在辅助信息可利用的情况下,文章研究了有限总体总值的估计问题。首先回顾了Horvitz-Thompson估计量和广义回归估计量;然后指出当辅助变量与研究变量不满足经典线性回归模型假设时,可建立非参数回归模型,运用局部多项式回归估计的方法进行估计;最后,引入了一个实际例子,并对估计结果进行了比较。     

基于随机化回答模型的最低工资敏感性问题研究

针对最低工资调查中出现的敏感性问题,引入随机化回答技术,并针对定性和定量两类敏感性问题,分别引入不同的随机化回答模型。同时还考虑到最低工资调查中,不同调查单位对同一问题敏感程度不相同的特性,在定量问题的随机化回答模型中引入敏感性水平,对原有模型进行有效的改进,使被调查者能够更加积极配合最低工资调查,从而能够进一步减少由于各类敏感性问题造成的非抽样误差。这套随机化处理方法还可推广应用到其他类型的敏感性问题中。     

我国经常性抽样调查体系改革研究

为了提高我国政府统计数据质量,本文从产生统计数据的最大源头,即现行的经常性抽样调查体系进行改革研究,引入国际上前沿的连续性抽样调查理论,在调查制度与方法等方面提出一系列改革措施,并给出具体的实施步骤,最终构建一套新型的经常性抽样调查体系。通过这套体系能够在节省调查费用的情况下,及时、准确地产生连续的时间序列统计数据,从而更好地发挥经常性抽样调查的主体作用。在未来实际应用与改革过程中出现的新情况、新问题,均可在该体系的整体框架下予以解决。     

基于平衡单水平轮换的连续性抽样估计方法研究

内容提要：针对现存的各种单水平轮换模式和估计方法,本文提出一套统一的平衡单水平轮换模式。在此轮换模式下,引入两类相关关系,运用线性无偏估计方法,并通过使不同类型估计量方差的加权总和最小的方法确定最优系数,从而得到最优线性无偏估计量,不仅能够减少甚至消除估计量偏差的影响,还能使得连续性调查的整体抽样误差最小,适合估计各种类型的估计量。     

基于回归组合技术的连续性抽样估计方法研究

在使用样本轮换的连续性抽样调查中,不仅可以利用前期调查的研究变量的信息,还可使用现期调查的辅助变量信息来建立回归模型进行回归估计,进而构造回归组合估计量,并在此基础上确定最优样本轮换率和最优权重系数,使得回归组合估计量的方差最小,从而更大程度地提高连续性抽样调查的估计精度。     

以应用促改革 以创新促发展 ——第十一次全国中青年统计科学研讨会纪要

由中国统计学会、暨南大学、国家统计局统计科学研究所、国家统计局统计教育中心、中国统计出版社和中国信息报社共同举办的第十一次全国中青年统计科学研讨会于2007年5月15日至18日在具有百年历史的暨南大学隆重召开。来自全国各地大专院校和政府统计部门的80余位统计学专家、